استراتژی استون مارتین برای ترکیب هوش مصنوعی حاکمیتی و مهندسی دستی

تخیل کنید در دنیایی رقابت کنید که پیروزی یا شکست شما به تصمیماتی در حد چند میلی‌ثانیه وابسته است؛ جایی که یک اشتباه کوچک در تحلیل داده، جایگاه شما را در جدول لیگ تغییر می‌دهد. در این سطح از رقابت، حتی پیشرفته‌ترین ابزارها هم بدون «چشم» یک متخصص، تنها توده‌ای از اعداد بی‌معنی هستند. در حالی که عملکرد در سطح نخبگان اتومبیل‌رانی به تصمیماتی وابسته است که در کسری از ثانیه گرفته می‌شوند، اما لبه برنده همچنان توسط انسان‌هایی که در چرخه تصمیم‌گیری حضور دارند، تراشیده می‌شود. استراتژی تیم استون مارتین آرامکو F1 برای سال ۲۰۲۶، جایگزینی مهندسان با هوش مصنوعی نیست، بلکه به‌کارگیری فناوری‌های عامل‌محور برای حذف «اصطکاک‌های کسالت‌باری» است که سرعت عمل آن‌ها را کاهش می‌دهد.

در ورزش فرمول یک، حاشیه خطا تقریباً صفر است. در ورزشی که با تفاوت‌های عملکردی بسیار اندک در پیست تعریف می‌شود، نقش مهندس خبره از جمع‌آوری داده به تصمیم‌گیری‌های حساس و استراتژیک تغییر کرده است. تصمیمات سریع و داده‌محور توسط متخصصانی که خارج از پیست هستند، اغلب می‌تواند تفاوت بین پیروزی و شکست باشد. با استفاده از «پرمس‌های فناوری AMR» (AMR Technology Campus) به عنوان یک نقشه راه، این تیم در حال اثبات است که تحول دیجیتال زمانی بیشترین اثربخشی را دارد که در خدمت شهود و شمّ یک متخصص انسانی باشد.

در حالی که بسیاری از ناظران صنعت درباره تأثیر بلندمدت فناوری‌های زاینده و عامل‌محور بر بازارهای کار سنتی نگرانی دارند، اما در مسابقات اتومبیل‌رانی، حضور متخصصان باتجربه بیش از هر زمان دیگری حیاتی است. این رویکرد با پیش‌بینی‌هایی هم‌سو است که میلیاردها عامل هوشمند را تا سال ۲۰۳۱ در بازارهای مختلف متصور می‌شوند و نقش آن‌ها را در تغییر ساختارهای عملیاتی می‌بینند. متخصصان بااستعداد IT و مهندسی اکنون از نوآوری‌های شرکای خارج از پیست استفاده می‌کنند تا راهکارهای داده‌محور برای چالش‌های لاینحل در پیست توسعه دهند. به عبارت کوتاه، انسان در اتومبیل‌رانی همچنان کاملاً در مرکز چرخه قرار دارد.

نقش دست‌سازها و شهود مهندسی

تجربه، دارایی محوری است که نمی‌توان آن را برون‌سپاری کرد. این موضوع در بازدید از مقر این تیم در نزدیکی سیلورستون، در جریان آماده‌سازی برای گراندپری بریتانیا کاملاً مشهود بود؛ جایی که آدرین نیویی (Adrian Newey)، مدیر فنی و آیرودینامیک‌دان مشهور جهان، در حالی دیده شد که طرح‌های خودروهای جدید را با دست در دفتر خود رسم می‌کرد.

فابریتزیو پیلوتی (Fabrizio Pilotti)، مدیر ارشد فناوری (CIO) در استون مارتین آرامکو F1، اشاره می‌کند که تازه‌واردهای این ورزش اغلب از آنچه کشف می‌کنند شگفت‌زده می‌شوند. آن‌ها متوجه می‌شوند که واقعیت داخلی یک تیم، شامل کارهای دستی و جزئیات بسیار بیشتری است تا آنچه پیش از این تصور می‌کردند. او استدلال می‌کند که در کسب‌وکاری که بر اساس «سودهای حاشیه‌ای» (Marginal Gains) پیش می‌رود، اصلاحات کوچک و سفارشی‌سازی‌شده توسط متخصصانی مانند نیویی، ارزشی خلق می‌کند که هوش مصنوعی هنوز نمی‌تواند به‌تنهایی بازتولید کند.

زیرساختی برای توانمندسازی

از نظر پیلوتی، بخش IT یک تابع تقویت‌کننده عملکرد است. هدف آن‌ها ایجاد عملکرد مستقیم خودرو نیست، بلکه فراهم کردن بنیاد دیجیتالی است که به مهندسان اجازه می‌دهد در اوج توانمندی خود عمل کنند. این رویکرد شامل محورهای زیر است:

• مدیریت بهتر خطاهای سیستم برای کاهش زمان توقف.
• بهبود درک متقابل در مورد اینکه چگونه عملکرد خودروها تحلیل و فهمیده می‌شود.
• دسترسی یکپارچه به داده‌ها بدون نیاز به منتظر ماندن برای مداخلات تیم IT.
• تجهیز افراد به ابزارهای مناسب برای افزایش ظرفیت عملیاتی آن‌ها.

فلسفه پیلوتی در مورد نوآوری بر سرعت و تکرار متمرکز است. او به ZDNET گفت: «اگر ایده‌ای خوب است، سریع‌ترین مسیر ممکن را طی کنید و سپس تمام داده‌ها را برای تکرار بعدی به دست آورید». این چرخه بازخورد سریع، جایی است که تیم معتقد است می‌تواند پیروز شود و تمام تلاش‌های خود را بر آن متمرکز کرده است.

استقرار هوش مصنوعی عامل‌محور

پروژه‌های اولویت‌دار فعلی بخش IT شامل پالایش برنامه‌های سازمانی و توسعه سیستم‌های کنار پیست است. تیم اکنون در حال بررسی فناوری‌های عامل‌محور (Agentic Tech) برای ساده‌سازی توسعه نرم‌افزار و بهینه‌سازی سیستم‌های برنامه‌ریزی منابع سازمانی (ERP) است. در حال حاضر، عامل‌های هوش مصنوعی به‌صورت تاکتیکی در فرآیند توسعه نرم‌افزار به کار گرفته شده‌اند تا کارایی را افزایش دهند.

از طریق همکاری با شرکت متخصص هوش مصنوعی، کوهیر (Cohere)، استون مارتین در حال توسعه مدل‌های هوش مصنوعی حاکمیتی است. این عامل‌ها طراحی شده‌اند تا بینش‌های به‌موقع را از سه جریان داده‌ای حیاتی استخراج کنند:

• داده‌های تلمتری (سنجش از راه دور)
• تشخیص‌های فنی (Diagnostics)
• داده‌های مربوط به شبیه‌سازی

رایان لوئیس (Ryan Lewis)، رئیس بخش بریتانیا و شمال اروپا در کوهیر، بر نیاز به مدل‌های «حاکمیتی» تأکید می‌کند. از آنجایی که فرمول یک یک جنگ برای حفظ اسرار تجاری است، هوش مصنوعی باید در درون زیرساخت خود تیم قرار گیرد تا از نشت داده‌ها جلوگیری شود. این تمرکز بر مدل‌های محلی و حاکمیتی، یادآور بحث‌های فنی درباره ترجیح وزن‌های توزیع‌شده در برابر مدل‌های متمرکز برای ثبت دانش محلی است تا امنیت و تخصص در سطح سازمانی حفظ شود. لوئیس خاطرنشان کرد که وقتی داده‌ها «پنهان و دور از دسترس» هستند، متخصصان از قرار دادن آن‌ها در یک مدل می‌ترسند زیرا بیم لو رفتن اسرار فنی وجود دارد؛ حل این مشکل مستلزم استقرار فناوری به‌طور مستقیم در یک زیرساخت داخلی منسجم است.

هدف: تعامل بدون اصطکاک

این تحول دیجیتال به‌طور خاص بر روی نیازهای متخصصان باتجربه متمرکز شده است. پیلوتی هدف نهایی را حالتی تعریف می‌کند که در آن کاربر نهایی بدون هیچ‌گونه تعامل با بخش IT، از داده‌ها استفاده کند. او این وضعیت را «یکپارچه» یا «بدون درز» (Seamless) توصیف می‌کند.

برای دستیابی به این هدف، تیم به دنبال «انعطاف‌پذیری ماژولار» است. این بدان معنای آن است که زیرساخت باید بتواند فوراً با نیازهای داده‌ای تیم سازگار شود. برای مثال، اگر متخصصی به داده‌های خاصی برای طراحی بال عقب نیاز دارد، این اطلاعات باید فوراً در قالب و تراکم مورد نیاز در دسترس باشد، بدون اینکه لازم باشد سه ماه برای پیاده‌سازی سیستم‌های جدید منتظر بماند.

این رویکرد تم اصلی «مجمع فناوری استون مارتین» بود، جایی که مدیران شرکا در میزگردها و پنل‌های گفتگو درباره تحول دیجیتال بحث کردند. برای لوئیس و تیم کوهیر، هدف اصلی «توانمندسازی» است؛ یعنی دادن قدرت به افراد برای خودکارسازی کارهای کسالت‌باری که آن‌ها را از اتخاذ تصمیمات اجرایی کند می‌کند.

چرخه تصمیم‌گیری

همان‌طور که اریک ارنست (Eric Ernst)، سفیر فناوری تجاری توضیح داد، هوش مصنوعی «گزینه‌ها» را فراهم می‌کند، اما انسان «پاسخ» را می‌دهد. او استدلال می‌کند که اگرچه هوش مصنوعی قدرتمند است، اما «ما نمی‌توانیم تجربه را برون‌سپاری کنیم». تجربه در نزد تیم باقی می‌ماند، در حالی که هوش مصنوعی مقیاس‌پذیری شناختی ایجاد می‌کند تا کارهایی فراتر از آنچه پیش‌تر ممکن بود، انجام شود.

ارنست سناریویی را توصیف می‌کند که در آن یک AI ممکن است سه مسیر فنی ممکن و قابل اجرا را ارائه دهد، اما تنها یک مهندس پیشکسوت با سال‌ها دانش می‌تواند تشخیص دهد که کدام‌یک از آن‌ها واقعاً در پیست عمل خواهد کرد. او بیان کرد: «مهندس شخصی است که قادر است بگوید: بسیار خب، من سه گزینه دارم و تجربه من می‌گوید گزینه‌ای که باید انتخاب کنیم این است». دقیقاً همین تجربه است که ارزش واقعی را از هوش مصنوعی استخراج می‌کند.

این هم‌افزایی، یک اکوسیستم تنگاتنگ از شرکای مورد اعتماد ایجاد کرده است. سازمان‌های فرمول یک مدت‌هاست که از فناوری‌های یادگیری ماشین برای تحلیل داده‌های خودرو و شناسایی سیگنال‌های عملکرد استفاده می‌کنند. با این حال، ترکیب جدید هوش مصنوعی زاینده و عامل‌محور به تیم اجازه می‌دهد پیش‌دستانه (Proactive) عمل کند. در این مسیر، بحث بر سر پاسخگو کردن عامل‌های هوش مصنوعی در محیط‌های باز اهمیت می‌یابد تا اطمینان حاصل شود که هر خروجی توسط سیستم‌های نظارتی تایید شده است. این امر آن‌ها را قادر می‌سازد تا پاسخ‌های استراتژیک و به‌موقعی برای سناریوهای چالش‌برانگیز توسعه دهند و در «هر لایه و هر خط از کد»، شفافیت و تکانه ایجاد کنند.

برای متخصصان استون مارتین، ارزش تجربه انسانی در عصر هوش مصنوعی نه تنها کاهش نیافته، بلکه «به اندازه طلا» گران‌بها شده است.

این تغییر نشان می‌دهد که برای صنایع با ریسک و حساسیت بالا، هدف هوش مصنوعی نه استقلال کامل (Autonomy)، بلکه رهایی تخصص انسانی از بار سنگین پردازش داده‌ها است. با نگه داشتن انسان در مرکز چرخه، تیم تضمین می‌کند که نوآوری‌های تکنولوژیک به مزایای واقعی تولیدکننده عملکرد در پیست تبدیل شوند.

باید دید سایر تیم‌های فرمول یک چگونه به این رویکرد «هوش مصنوعی حاکمیتی» پاسخ می‌دهند، زیرا رقابت برای امنیت داده‌ها به اندازه رقابت برای بهره‌وری آیرودینامیکی حیاتی شده است.

گام بعدی شما

• بررسی معماری‌های هوش مصنوعی حاکمیتی برای کسب‌وکارهایی که با اسرار تجاری حساس سروکار دارند
• مطالعه نحوه ترکیب مدل‌های عامل‌محور با گردش‌کارهای انسانی برای حذف «اصطکاک‌های اداری»
• تحلیل تفاوت بین «ارائه گزینه‌ها» توسط AI و «تصمیم‌گیری نهایی» توسط متخصص

ama داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.